NO802398L

NO802398L - PROCEDURE AND DEVICE FOR AA CLASSIFYING PIECE GOODS IN MOVEMENT

Info

Publication number: NO802398L
Application number: NO802398A
Authority: NO
Inventors: Martin Ollus; Esko Uotila; Bjoern Wahlstroem; Esko Saukonen; Pekka Malinen; Immo Maeenpaeae
Original assignee: Partek Ab
Priority date: 1979-08-22
Filing date: 1980-08-11
Publication date: 1981-02-23
Also published as: JPS625674B2; FI792621A; CA1144652A; FI67043C; DK362980A; US4514816A; MX147872A; ES494895A0; ES8104924A1; BR8005313A; ZA805081B; JPS5633068A; PL226368A1; AU6158980A; GR69604B; EP0025284A1; FI67043B; DD152870A1

Description

Den foreliggende oppfinnelse angår en fremgangsmåte og en anordning til på grunnlag av en fysisk egenskap å identifisere og klassifisere tilfeldig fordelte godsstykker som befinner seg i translatorisk bevegelse, hvor godsets transportvei overvåkes med en detektor som avsøker veien på tvers og egner seg for vedkommende fysiske egenskap, og som leverer et elektrisk signal analogt med den observerte fysiske egenskap i hver posisjon av avsøkningslinjen, som bestemt ved detektorens oppløsning. The present invention relates to a method and a device for, on the basis of a physical property, to identify and classify randomly distributed pieces of goods that are in translational movement, where the goods' transport path is monitored with a detector that scans the road across and is suitable for the relevant physical property, and which delivers an electrical signal analogous to the observed physical property at each position of the scan line, as determined by the resolution of the detector.

Et av de viktigste behov innen forskjellige områder av næringslivet er klassifisering av produkter som fremstilles eller behandles. Resultatet og det endelige mål for denne klassifisering er en mekanisk adskillelse i grupper av stykker på grunnlag av deres ønskede egenskaper, en operasjon som kan kalles sortering. Klassifisering finner sted på grunnlag av enten en målt fysisk størrelse eller rett og slett observasjon. One of the most important needs in various areas of business is the classification of products that are manufactured or processed. The result and ultimate goal of this classification is a mechanical separation into groups of pieces on the basis of their desired properties, an operation that may be called sorting. Classification takes place on the basis of either a measured physical size or simply observation.

Klassifisering blir meget ofte basert på visuell observasjon, idet en person på basis av denne visuelt oppnådde informasjon avgjør hvilken klasse et kolli av stykkgods til-hører, og deretter utfører den nødvendige sortering. Vanligvis vandrer stykkgods som en kontinuerlig strøm forbi iakttageren. Sortering blir dermed et arbeide som medfører stor påkjenning, Classification is very often based on visual observation, as a person, on the basis of this visually obtained information, determines which class a package of general cargo belongs to, and then carries out the necessary sorting. Generally, piece goods travel as a continuous stream past the observer. Sorting thus becomes a job that entails great stress,

og kan ikke utføres kontinuerlig uten skadevirkninger. Et eksempel er håndplukking av knust materiale i malmraffineringsindustrien, hvor de ønskede stykker plukkes ut for hånd fra knust materiale på et transportbånd. Kriterier som klassifiseringen beror på, kan i dette tilfelle være farge, størrelse eller annen visuelt konstaterbar fysisk egenskap hos det enkelte stykke. and cannot be carried out continuously without harmful effects. An example is the hand picking of crushed material in the ore refining industry, where the desired pieces are picked by hand from crushed material on a conveyor belt. Criteria on which the classification is based can in this case be colour, size or other visually ascertainable physical property of the individual piece.

Etter at videoinnretninger er blitt kjent og pålitelige,After video devices have become known and trusted,

har fjernsynskameraer vært'innført for utførelse av optiske observasjoner. Alt etter sin konstruksjon er kameraer egnet til å fastslå samme forskjeller i nyanse innen det avsøkte område som det menneskelige øye. Det fysiske resultat av deteksjonen er et elektrisk signal som fås fra kameraet og er proporsjonalt med den visuelle intensitet av det avsøkte objekt. Når kameraet utfører en lineær avsøkning av området som skal analyseres, blir forskjeller i intensitet mellom de forskjellige posisjoner på avsøkningslinjen tilkjennegitt analogt i form av de nevnte elektriske signaler. Alt etter television cameras have been introduced to carry out optical observations. Depending on their construction, cameras are suitable for determining the same differences in hue within the area of interest as the human eye. The physical result of the detection is an electrical signal that is obtained from the camera and is proportional to the visual intensity of the searched object. When the camera performs a linear scan of the area to be analysed, differences in intensity between the different positions on the scan line are signaled analogously in the form of the aforementioned electrical signals. Everything after

kameraets utførelse, f.eks. i dette tilfelle dets sondringsevne, kan avstanden mellom punktene på linjen være bekvemt stor eller liten. For eksempel i forbindelse med såkalt billedfjernsyn har denne sondringsevne vært avpasset etter det menneskelige øyes sondringsevne, som utgjør omkring 0,02 grader. Kamerarør som benyttes til dette formål, innbefatter Orthikon, Plumbikon, Vidikon, etc. the camera's design, e.g. in this case its resolution, the distance between the points on the line may be conveniently large or small. For example, in connection with so-called picture television, this resolution has been adapted to the resolution of the human eye, which amounts to around 0.02 degrees. Camera tubes used for this purpose include Orthikon, Plumbikon, Vidikon, etc.

Der kan også benyttes andre typer av detektorer alt etterOther types of detectors can also be used depending on the situation

hva slags fysisk fenomen der skal avføles. Således er det f.eks. mulig å avføle temperaturer av punkter på avsøkningslinjen ved bruk av infrarødt-detektor eller deres radioaktive tilstand med en Geiger-teller. Der har vært utviklet særskilte detektorer for hver fysisk egenskap. Noe de alle har til felles, er at de leverer et elektrisk signal som er proporsjonalt med intensiteten av vedkommende fysiske egenskap og gjør det mulig å trekke slutninger mht. stykkets kvalitet. what kind of physical phenomenon is to be sensed. Thus, it is e.g. possible to sense temperatures of points on the scan line using an infrared detector or their radioactive state with a Geiger counter. Separate detectors have been developed for each physical property. Something they all have in common is that they deliver an electrical signal that is proportional to the intensity of the physical property in question and makes it possible to draw conclusions regarding the quality of the play.

De oppnådde analoge elektriske signaler fra detektoren kan etter passende forsterkning og- omformning benyttes direkte til å aktivere en måler eller en plotter. I så fall kan måleinstrumentet justeres for å angi gjennomsnittlige, ekstreme eller andre for-langte verdier for vedkommende fysiske egenskap. Etter passende omformning kan signalene også benyttes direkte til prosesstyring i enten analog eller digital form. Det er også kjent å analysere signaler som er omformet til digital form, i en computer for å få informasjon om det avsøkte objekt. I så fall blir computeren programmert for å beregne den ønskede informasjon på grunnlag av de inngangssignaler som er oppnådd fra detektoren og omformet til digital form. Dette er mulig og kjent i tilfellet av deteksjonsobjekter som innen detektorens avsøkningsområde opptrer mer eller mindre systematisk med små avvik med hensyn til posisjoner og fysiske egenskaper. The obtained analogue electrical signals from the detector can, after suitable amplification and transformation, be used directly to activate a meter or a plotter. In that case, the measuring instrument can be adjusted to indicate average, extreme or other required values for the physical property in question. After suitable transformation, the signals can also be used directly for process control in either analogue or digital form. It is also known to analyze signals that have been transformed into digital form in a computer in order to obtain information about the searched object. In that case, the computer is programmed to calculate the desired information on the basis of the input signals obtained from the detector and transformed into digital form. This is possible and known in the case of detection objects that within the detector's scanning area appear more or less systematically with small deviations with regard to positions and physical properties.

Et eksempel på behandlingen av informasjoner av den sist-nevnte type er klassifisering av postpakker og brev. Gjenstandene som skal klassifiseres, vandrer i dette tilfelle på et transportbånd forbi en optisk detektor eller et fjernsynskamera som en kontinuerlig strøm i gjensidige avstander på omtrent 2 cm. Objektene har enten en viss kode som er stemplet på dem på forhånd på et bestemt sted, og detektoren angir da denne kode, eller detektoren angir direkte et postkodenummer maskinskrevet på et bestemt sted. An example of the processing of information of the latter type is the classification of postal parcels and letters. In this case, the objects to be classified travel on a conveyor belt past an optical detector or a television camera as a continuous stream at mutual distances of approximately 2 cm. The objects either have a certain code stamped on them in advance in a certain location, and the detector then enters this code, or the detector directly enters a postcode number typed in a certain location.

I så fall er detektoren istand til å utvikle elektriske signaler ved hvis hjelp en mørkere kode eller postkodenummer kan gjenkjennes mot en lysere bakgrunn. In that case, the detector is able to develop electrical signals with the help of which a darker code or postcode number can be recognized against a lighter background.

Ved klassifisering i tilfeller hvor stykkene opptrer tilfeldig fordelt på et transportbånd, eller hvor de ikke på forhånd kan forsynes med passende koder til identifikasjon og de heller ikke selv har noen systematisk egenskap som kan utnyttes til å lette identifikasjonen, kan det ovennevnte system ikke benyttes. Slike klassifikasjonsbehov kan foreligge ved klassifisering av naturlige produkter som knust sten eller malm, rotfrukter, tømmer, næringsmidler som skal konserveres, eller andre uraffinerte produkter. I slike tilfeller må klassifikasjonsapparaturen tilfredsstille de følgende krav: When classifying in cases where the pieces appear randomly distributed on a conveyor belt, or where they cannot be supplied in advance with suitable codes for identification and they themselves do not have any systematic property that can be used to facilitate identification, the above-mentioned system cannot be used. Such classification needs may arise when classifying natural products such as crushed stone or ore, root vegetables, timber, foodstuffs to be preserved, or other unrefined products. In such cases, the classification equipment must satisfy the following requirements:

I fravær av koder eller systematiske egenskaper egnet tilIn the absence of codes or systematic characteristics suitable for

å lette identifikasjon, er det nødvendig at identifikasjonen kan utføres på grunnlag av identifikasjonskriterier som er tilfeldig fordelt. For eksempel er der når det gjelder postsortering, hittil ikke kjent noen metode som kunne identifisere et objekt på grunnlag av et håndskrevet postkodenummer. to facilitate identification, it is necessary that the identification can be carried out on the basis of identification criteria that are randomly distributed. For example, when it comes to mail sorting, no method is known to date that could identify an object on the basis of a handwritten postcode number.

Siden de fysiske egenskaper som utnyttes til identifikasjon av stykkene, er av forskjellige typer, og identifikasjons-kriteriene altså kan variere med hensyn til sin prinsippielle karakter, må apparaturen være istand til å "læres opp". Det betyr at den må være istand til å bestemme klassegrensene for et stykke på grunnlag av informasjon oppnådd fra referansestykker som på forhånd er kjørt gjennom apparaturen. Ved sortering av post er apparaturen istand til å identifisere et stykke bare på basis av en viss kode eller et maskinskrevet postnummer. Den samme apparatur kan ikke lett innstilles for å identifisere et stykke på basis av f.eks. størrelse eller farge. Since the physical properties used to identify the pieces are of different types, and the identification criteria can therefore vary with respect to their principled character, the equipment must be capable of being "taught". This means that it must be able to determine the class limits of a piece on the basis of information obtained from reference pieces previously run through the apparatus. When sorting mail, the equipment is able to identify a piece only on the basis of a certain code or a typed postal code. The same apparatus cannot be easily set up to identify a piece on the basis of e.g. size or color.

På grunn av den tilfeldige fordeling av stykkene på transportbåndene må anordningen være istand til å identifisere hvert stykke som helhet og til å behandle de fra detektoren oppnådde data i løpet av det tidsrom da objektet befinner seg på detektorens avsøkningslinje, dvs. i sann tid. Etter at objektet har passert detektoren, må den nu frigjorte behandlingsenhet hos anordningen straks være istand til å behandle informasjonen om et nytt objekt tilfeldig plassert på transport-båndet, så snart det er ankommet, i detektorens avsøkningsområde. Due to the random distribution of the pieces on the conveyor belts, the device must be able to identify each piece as a whole and to process the data obtained from the detector during the period of time when the object is on the detector's scanning line, i.e. in real time. After the object has passed the detector, the now freed processing unit of the device must immediately be able to process the information about a new object randomly placed on the conveyor belt, as soon as it has arrived, in the detector's scanning area.

Ved sortering av post befinner objektene seg i en forhånds-ordnet enkelt rad. Apparaturen er istand til bare å identifisere en kode eller et postnummer på et bestemt sted. Videre behøver anordningen ikke å skifte fra sted til sted i transportbåndets tverretning. Hvis det ønskes å behandle flere rader av stykker, When sorting mail, the objects are in a pre-arranged single row. The equipment is only able to identify a code or postcode in a specific location. Furthermore, the device does not need to change from place to place in the transverse direction of the conveyor belt. If it is desired to process several rows of pieces,

må der finnes en særskilt anordning for hver rad.there must be a separate device for each row.

Når det gjelder klassifisering av knust gods i malmraffineringsindustrien ved hjelp av videoinnretninger, er teknikkens stadium først og fremst anskueliggjort ved kanadisk patent 923601. Ifølge dette patent blir tilfeldig orienterte objekter belyst på sin transportvei ved hjelp av en laserstråle som sveiper over transportveien, og refleksjonen av laserstrålen fra objektstrømmen mottas med et fotomultiplikatorrør. Egenskapen hos det reflekterte lys er proporsjonalt med egenskapen hos den reflekterende flate. I detektoren blir lyssignalene ved hjelp av kjente innretninger omdannet til analoge elektriske signaler som dermed inneholder informasjon med hensyn til de belyste objekter. I de etterfølgende elektroniske innretninger blir de elektriske signaler på kjent måte digitalisert for å danne binære nøkkeltall som karakteriserer objektene. Regarding the classification of crushed goods in the ore refining industry using video devices, the state of the art is primarily illustrated by Canadian patent 923601. According to this patent, randomly oriented objects are illuminated in their transport path by means of a laser beam that sweeps across the transport path, and the reflection of the laser beam from the object stream is received with a photomultiplier tube. The property of the reflected light is proportional to the property of the reflecting surface. In the detector, the light signals are converted by means of known devices into analogue electrical signals which thus contain information with regard to the illuminated objects. In the subsequent electronic devices, the electrical signals are digitized in a known manner to form binary key numbers that characterize the objects.

Karakteristisk for den kjente metode er at den av detektoren avsøkte transportvei oppdeles elektronisk i kanaler i transportretningen, og at hver kanal har sine egne faste elektroniske innretninger. Da hensikten med klassifiseringen er sortering, altså å fjerne stykker som skal avvises fra godset, blir antall kanaler lik antall avviste innretninger. Characteristic of the known method is that the transport path scanned by the detector is electronically divided into channels in the direction of transport, and that each channel has its own fixed electronic devices. As the purpose of the classification is sorting, i.e. removing pieces to be rejected from the goods, the number of channels is equal to the number of rejected devices.

Dette fører til en temmelig grov klassifisering, siden, det elektroniske system behandler objektene på en og samme kanal som ett og samme objekt under avsøkningen. Der kan dermed ikke oppnås noen nøyaktig individuell klassifisering. This leads to a rather rough classification, since the electronic system treats the objects on one and the same channel as one and the same object during the scan. No precise individual classification can thus be achieved.

En annen ulempe ligger i at systemet ikke er selvopplærende, altså at det ikke er istand til på grunnlag av referansestykker som er kjørt forbi detektoren, å bestemme de kriterier som behøves for klassifiseringen. Klassekriteriene må derfor innføres manuelt i systemet utenfra. Another disadvantage lies in the fact that the system is not self-learning, i.e. that it is not able to determine the criteria needed for classification on the basis of reference pieces that have been driven past the detector. The class criteria must therefore be entered manually into the system from the outside.

Nyheten av systemet sammenlignet med sortering av post ligger i det meget fordelaktige forhold at det er mulig ved passende utformning av kjente elektroniske grunnelementer å grovklassifisere stykkgods som kan forekomme med tilfeldig orientering innen detektorens avsøkningssone. Videre behøver objektene ikke å forsynes med egnede koder på forhånd. Sammenlignet med håndplukking i malmraffineringsindustrien betyr systemet også en stor forbedring ved at klassifiseringen mekaniseres. The novelty of the system compared to sorting mail lies in the very advantageous fact that it is possible, by suitable design of known electronic basic elements, to roughly classify piece goods that may occur with random orientation within the detector's scanning zone. Furthermore, the objects do not need to be supplied with suitable codes in advance. Compared to hand picking in the ore refining industry, the system also represents a major improvement in that the classification is mechanized.

Systemet ifølge den foreliggende oppfinnelse kan benyttes til å fremme de ovennevnte ønskemål og minske ulempene til et minimum. The system according to the present invention can be used to promote the above-mentioned objectives and reduce the disadvantages to a minimum.

Fremgangsmåten ifølge oppfinnelsen erkarakterisert vedThe method according to the invention is characterized by

hva som er angitt i patentkrav 1, mens de karakteristiske trekk ved anordningen ifølge oppfinnelsen er angitt i krav 5. what is stated in patent claim 1, while the characteristic features of the device according to the invention are stated in claim 5.

Den store effektivitet av systemet ifølge oppfinnelsen sammenlignet med tidligere eksisterende systemer er først og fremst basert på en ny form for fordeling av oppgaver mellom prosses-sorene. I de eksisterende systemer blir analysen utført analogt eller sammen med computer, eller computere analyserer alle de avfølte data uansett disses mengde og kvalitet. Finnes der f.eks. flere objekter av interesse i deteksjonssonen, behandler samme computer disse objekter enkeltvis etter tur. Isteden fordeler man ifølge den foreliggende oppfinnelse objektene på flere prosessorer på en slik måte at der finnes en særskilt prosessor for hvert objekt som skal behandles. Antall prosessorer i arbeide avhenger således av antall objekter. Antall objekter som så skal behandles parallelt, kan økes ved tilføyelse av parallelle prosessorer. Videre er effektiviteten og hurtigheten ved bruk av oppfinnelsen basert på systemets busstruktur. Det skal påpekes at systemets pris forblir ganske rimelig pga. The great efficiency of the system according to the invention compared to previously existing systems is primarily based on a new form of distribution of tasks between the processors. In the existing systems, the analysis is carried out analogically or together with a computer, or computers analyze all the sensed data, regardless of its quantity and quality. Is there e.g. several objects of interest in the detection zone, the same computer processes these objects individually in turn. Instead, according to the present invention, the objects are distributed over several processors in such a way that there is a separate processor for each object to be processed. The number of processors at work thus depends on the number of objects. The number of objects to be processed in parallel can be increased by adding parallel processors. Furthermore, the efficiency and speed of using the invention is based on the system's bus structure. It should be pointed out that the system's price remains quite reasonable due to

den lave pris for kurante prosessorer.the low price for current processors.

Oppfinnelsen såvel som ytterligere trekk og fordeler vedThe invention as well as further features and advantages of

den vil i det følgende bli belyst mer detaljert ved eksempler under henvisning til tegningen. Fig. 1 er et blokkskjerna over systemet ifølge oppfinnelsen. it will be explained in more detail in the following by examples with reference to the drawing. Fig. 1 is a block diagram of the system according to the invention.

Fig. 2 anskueliggjør en del av systemet mer detaljert.Fig. 2 illustrates part of the system in more detail.

Fig. 3 viser kurveformer som knytter seg til beskrivelsenFig. 3 shows curve shapes that relate to the description

av fig. 2.of fig. 2.

På fig. 1 er komponentene betegnet med henvisningstall som følger: 1. Detektor, som kan være av kjent art, for detektering av en lokalt opptredende fysisk egenskap. Detektoren leverer på kjent In fig. 1, the components are denoted by reference numbers as follows: 1. Detector, which may be of a known type, for detecting a locally occurring physical property. The detector delivers on known

måte analoge og/eller digitale elektriske signaler.way analog and/or digital electrical signals.

2. Linjeanalysator, som i sann tid analyserer elektriske signaler oppnådd i linjer fra detektoren. Ut fra disse signaler blir der dannet nøkkeltall som skal sendes i digital form til klassifiseringsenheten. 2. Line analyzer, which analyzes in real time electrical signals obtained in lines from the detector. Based on these signals, key figures are formed which must be sent in digital form to the classification unit.

3. Klassifiseringsenheter inneholdende mikroprosessorer3. Classification units containing microprocessors

som utfører klassifiseringen av et stykke på grunnlag av den digitale informasjon som fås fra linjeanalysatoren. Der kan finnes flere av disse av samme type, men minst like mange som det høyeste antall stykker der opptrer på detektorens avsøkningslinje. 4. Hovedprosessor, som samler de fra klassifiseringsenhetene oppnådde resultater og behandler dem på videre forholdsregler. Hovedprosessoren melder også de lokale klassekriterier til klassifiseringsenheten. which performs the classification of a piece on the basis of the digital information obtained from the line analyzer. There may be several of these of the same type, but at least as many as the highest number of pieces appearing on the detector's scanning line. 4. Main processor, which collects the results obtained from the classification units and processes them for further precautions. The main processor also reports the local class criteria to the classification unit.

5. Buss til kommunikasjon mellom prosessorene og mellom5. Bus for communication between the processors and between

disse og linjeanalysatoren.these and the line analyzer.

6. Driftsenhet ved hvis hjelp systemets arbeide styres, og som melder hvilke som helst forstyrrelser som opptrer i det. Klassifikasjonskriterier som ikke behøver å oppnås ved hjelp av referansestykker som passerer forbi detektoren, kan også mates inn manuelt i denne enhet. 6. Operating unit by means of which the system's work is controlled, and which reports any disturbances that occur in it. Classification criteria that do not need to be achieved using reference pieces that pass past the detector can also be entered manually into this unit.

Systemet ifølge oppfinnelsen virker som følger:The system according to the invention works as follows:

Når godsstykkene passerer detektoren 1 på en transportveiWhen the pieces of goods pass the detector 1 on a transport route

av fastlagt bredde, avføler detektoren stykkene i sitt avsøknings-område, idet den utfører regelmessig gjentatte sveip over transportveien. I det følgende vil et slikt sveip over transportveien bli kalt "avsøkningslinje" eller rett og slett "linje". Begynnelses- og sluttposisjonene på linjen og varigheten av sveipet blir ved kjente metoder innstilt i samsvar med detektorens utførelse og med godsets bredde og transporthastighet. Målt i tid er lengden av linjen av størrelsesorden 1 millisekund, men også lange tids-intervaller er mulige. of determined width, the detector senses the pieces in its scanning area, performing regularly repeated sweeps over the transport path. In the following, such a sweep over the transport route will be called "scanning line" or simply "line". The start and end positions on the line and the duration of the sweep are set by known methods in accordance with the design of the detector and with the width and transport speed of the goods. Measured in time, the length of the line is of the order of 1 millisecond, but long time intervals are also possible.

Under hvert sveip avføler detektoren de lokale fysiske egenskaper hos stykkene på linjen i vedkommende øyeblikk. Deteksjonen finner sted punktvis, og antall deteksjonspunkter avhenger av detektorens utførelse, nemlig dens såkalte oppløsning. Detektoren omformer ved kjente metoder intensiteten av den fysiske tilstand som avsøkes i hvert deteksjonspunkt på linjen, til et tilsvarende elektrisk signal. Er deteksjonen f.eks. basert på den vilkårlig variable mørknet/hvitnet av stykkene sammenlignet med bakgrunnens standardtone, danner detektoren et elektrisk signal som er proporsjonalt med denne forskjell i tone i hvert deteksjonspunkt på linjen. I så fall kan detektoren f.eks. være et fotodiode-kamera. På tilsvarende måte kan andre detektorsystemer som avsøker kontinuerlig og linjevis, benyttes til å frembringe elektriske signaler proporsjonale med vedkommende fysikalske fenomen. During each sweep, the detector senses the local physical properties of the pieces on the line at that moment. The detection takes place point by point, and the number of detection points depends on the detector's design, namely its so-called resolution. Using known methods, the detector converts the intensity of the physical condition that is scanned at each detection point on the line into a corresponding electrical signal. Is the detection e.g. based on the arbitrarily variable darkening/whitening of the pieces compared to the background standard tone, the detector generates an electrical signal proportional to this difference in tone at each detection point on the line. In that case, the detector can e.g. be a photodiode camera. In a similar way, other detector systems that scan continuously and linearly can be used to produce electrical signals proportional to the physical phenomenon in question.

Analysatoren 2 behandler elektrisk i sann tid signalene fra detektoren 1, og under hvert sveip blir der dannet N binær-nøkkeltall for hvert stykke i det avsøkte område på basis av den informasjon som er hentet fra deteksjonspunktene på linjen. Blant disse nøkkeltall kan f.eks. de to første angi stykkets marginale posisjoner på linjen. De øvrige nøkkeltall kan angi den fysiske tilstand av punkter mellom marginene og tilhørende samme stykke i form av en maksimum-, middel-, varians- eller annen passende verdi. I det følgende vil hvilken som helst nøkkeltallgruppe som inneholder N binære nøkkeltall, dannet ved hjelp av linjeanalysatoren,•bli betegnet som deteksjonsresultatet. The analyzer 2 electrically processes the signals from the detector 1 in real time, and during each sweep N binary key numbers are formed for each piece in the scanned area on the basis of the information obtained from the detection points on the line. Among these key figures, e.g. the first two indicate the piece's marginal positions on the line. The other key figures can indicate the physical state of points between the margins and belonging to the same piece in the form of a maximum, mean, variance or other suitable value. In the following, any key number group containing N binary key numbers, formed by the line analyzer, will be referred to as the detection result.

Nøkkeltallene dannes under anvendelse av særskilte trykte kretskort. Nøkkeltallene dannes i samsvar med kjente prinsipper ved passende valg av strømkretskortéts komponenter og deres inn-byrdes forbindelse, f .eks. på grunnlag av den integrerte ladning av kapasiteter og de dermed oppnådde nøyaktige, øyeblikkelige elektriske størrelser. Rekkefølgen av deteksjonsresultatets nøkkeltall og rekkefølgen av deres utgang til den etterfølgende behandlingsenhet bestemmes ved omkretskortenes plassering i linjeanalysatoren. Strømkretskortene kan lettvint skiftes ut, og typen av nøkkeltall kan dermed raskt skiftes etter behov. The key figures are formed using special printed circuit boards. The key figures are formed in accordance with known principles by appropriate selection of the circuit board's components and their interconnection, e.g. on the basis of the integrated charge of capacities and the thus obtained accurate, instantaneous electrical quantities. The order of the detection result's key numbers and the order of their output to the subsequent processing unit is determined by the location of the circuit boards in the line analyzer. The power circuit boards can be easily replaced, and the type of key figures can thus be quickly changed as required.

Linjeanalysatoren begynner målingen ved først å danne nøkkel-tallet for forkanten av stykket på linjen. Deretter følger deteksjonen av mellompunkter og sluttelig deteksjonen av bakre kant av samme stykke. Etter at linjeanalysatoren har verifisert at også bakre kant har vært målt, skjer der en øyeblikkelig over-føring av deteksjonsresultatet til utgangsbufferen hos buss 5, The line analyzer begins the measurement by first forming the key number for the leading edge of the piece on the line. This is followed by the detection of intermediate points and finally the detection of the rear edge of the same piece. After the line analyzer has verified that the rear edge has also been measured, there is an immediate transfer of the detection result to the output buffer at bus 5,

og samtidig forsyner linjeanalysatoren også bussen med signalet "deteksjonsresultater parate". Da systemet ifølge oppfinnelsen er selvopplærende, kan den videre behandling av deteksjonsresultatene fra den ovennevnte tilstand foregå på to forskjellige måter. De and at the same time the line analyzer also supplies the bus with the signal "detection results ready". As the system according to the invention is self-learning, the further processing of the detection results from the above-mentioned condition can take place in two different ways. The

ytterligere tilstander som kommer i betraktning, er læretrinnet og klassifikasjonstrinnet, hvorav det førstnevnte vil bli beskrevet først. further states that come into consideration are the learning stage and the classification stage, the former of which will be described first.

LæretrinnApprenticeship

"Læretrinn"-tilstanden innstilles ved hjelp av driftsenheten 6. Denne tilstand betyr at et visst antall referansestykker er kjørt forbi detektoren og deteksjonsresultater er oppnådd fra dem som beskrevet ovenfor. Videre blir antall referansestykker i hver referansegruppe,av samme klasse innstilt ved hjelp av driftsenheten, og likeledes antallet av disse referansegrupper eller klasser. The "learning stage" state is set by means of the operating unit 6. This state means that a certain number of reference pieces have been driven past the detector and detection results have been obtained from them as described above. Furthermore, the number of reference pieces in each reference group of the same class is set using the operating unit, and likewise the number of these reference groups or classes.

Når deteksjonsresultatene er klare i utgangsbufferlageret hos buss 5, og informasjon om dette har vært sendt til bussen som forklart ovenfor, avgjør hovedprosessoren 4 hvilken klas-sif ikas jonsenhet 3 deteksjonsresultateene skal overføres til. Dette skjer på basis av klassifikasjonsenhetenes adresse. For identifikasjon av klassifiseringsenhetene har hver av dem sin egen binærnøkkel eller adresse. Når systemet startes, innstiller hovedprosessoren 4 adressene for alle klassifiseringsenhetene i minnet. Etter at første kolli av godset er ankommet i detektorens avsøkningsområde og deteksjonsresultatet øyeblikkelig har vært overført til utgangsbufferlageret hos buss 5, tildeler hovedprosessoren klassifikasjonsoppgaven til den første klassifikasjonsenhet i køen. Behandlingen av det stykke som deretter ankommer i det avsøkte område, blir tilordnet annen klassifikasjons- When the detection results are ready in the output buffer storage at bus 5, and information about this has been sent to the bus as explained above, the main processor 4 decides which classification unit 3 the detection results are to be transferred to. This takes place on the basis of the classification units' address. For identification of the classification units, each of them has its own binary key or address. When the system is started, the main processor 4 sets the addresses of all the classification units in memory. After the first package of goods has arrived in the detector's scanning area and the detection result has been immediately transferred to the output buffer storage at bus 5, the main processor assigns the classification task to the first classification unit in the queue. The processing of the piece that then arrives in the searched area is assigned to another classification

enhet i køen, etc.unit in the queue, etc.

Den klassifikasjonsenhet som har oppgaven tildelt, leserThe classification unit that has been assigned the task reads

og lagrer i sitt minne det deteksjonsresultat som står i utgangs-buf f erlageret, og melder via buss 5 at den har reservert stykket. En tilsvarende fremgangsmåte blir utført med hensyn til deteksjonsresultatene for andre godsstykker i køen på samme tidspunkt og med hensyn til klassifiseringsenheter som reserveres for hvert slikt stykke på samme måte. and stores in its memory the detection result that is in the output buffer, and reports via bus 5 that it has reserved the piece. A corresponding procedure is performed with respect to the detection results for other pieces of goods in the queue at the same time and with respect to classification units reserved for each such piece in the same way.

Idet et stykke vandrer kontinuerlig forbi detektoren, og etterhvert som der dermed kontinuerlig dannes nye linjer, samt etterhvert som tilsvarende måleresultater kontinuerlig overføres til utgangsbufferlageret hos buss 5, velger hver klassifiseringsenhet 3 direkte, uten passering av hovedprosessoren 4, fra utgangs-lageret 10 deteksjonsresultater som tilhører den. Dette skjer på grunnlag av nøkkeltallene for stykkets marginer og deres kontinuitet. I dette tilfelle er det en betingelse at stykkene ikke berører hverandre, og at den intensitet som er representert ved bakgrunnen, avviker tilstrekkelig fra intensiteten hos stykkene. Når en klassifiseringsenhet identifiserer et stykke som sitt eget, melder enheten igjen via bussen 5 at den har identifisert stykket for behandling av deteksjonsresultatene. As a piece continuously travels past the detector, and as new lines are continuously formed, and as corresponding measurement results are continuously transferred to the output buffer storage at bus 5, each classification unit 3 directly selects, without passing through the main processor 4, from the output storage 10 detection results which belongs to it. This is done on the basis of the key figures for the piece's margins and their continuity. In this case, it is a condition that the pieces do not touch each other, and that the intensity represented by the background deviates sufficiently from the intensity of the pieces. When a classification unit identifies a piece as its own, the unit again reports via bus 5 that it has identified the piece for processing the detection results.

Etterhvert som deteksjonsresultatene således overføres til hver klassifiseringsenhet under stykkets passering, beregner enheten på regelrett måte og lagrer i sitt minne de verdier som ble beregnet på grunnlag av deteksjonsresultatene. Dette fortsetter inntil hele stykket har passert detektoren og der ikke lenger dannes måleresultater som gjelder det, dvs. når der i serien av deteksjonsresultater for den etterfølgende linje ikke finnes deteksjonsresultater som er tilordnet vedkommende klassifiseringsenhet. Etter å ha fastslått dette fortsetter klassifiseringsenheten å vente på tillatelse til å gi de beregnede resultater videre til hovedprosessoren. As the detection results are thus transmitted to each classification unit during the piece's passage, the unit calculates in a regular manner and stores in its memory the values calculated on the basis of the detection results. This continues until the entire piece has passed the detector and measurement results that apply to it are no longer generated, i.e. when there are no detection results assigned to the relevant classification unit in the series of detection results for the subsequent line. After determining this, the classification unit continues to wait for permission to pass the calculated results on to the main processor.

Hovedprosessoren sender periodisk en forespørsel til klassifiseringsenhetene. Når en ventende enhet mottar fore-spørselen, leverer den resultatene til hovedprosessoren via bussen, og klassifiseringsenheten vender tilbake til sin opprinnelige tilstand. Deretter bringer hovedprosessoren den frigjorte klassifiseringsenhet i siste posisjon på den ovennevnte ventelinje i påvente av dens neste klassifiseringsoppgave. The main processor periodically sends a request to the classification units. When a waiting unit receives the request, it delivers the results to the main processor via the bus, and the classifier returns to its original state. Then, the main processor brings the freed classifier to the last position on the above waiting line in anticipation of its next classification task.

Dette skjer for hver klassifiseringsenhet når der ikke finnesThis happens for each classification unit when none exist

flere deteksjonsresultater. Når et nytt stykke er ankommet i detektorlinjen, fastslår hovedprosessoren at ingen klassifiseringsenhet har reservert dette stykke, og tildeler klassifiseringen av stykket som oppgave til den klassifiseringsenhet som er forrest i køen. more detection results. When a new piece has arrived in the detector line, the main processor determines that no classifier has reserved this piece and assigns the classification of the piece as a task to the classifier at the front of the queue.

Etterhvert som driften fortsetter på den beskrevne måte, registrerer hovedprosessoren 4 antall stykker som har passert detektoren. Når dette antall er lik det tall som er innstilt av driftsenheten 6, aksepterer hovedprosessoren .4 ikke lenger data fra klassifiseringsenhetene og regner med at gruppen av referansestykker har vandret forbi detektoren. På grunnlag av den middelverdi som er oppnådd fra klassifiseringsenhetene, begynner hovedprosessoren 4 nu å beregne klassevektorene, altså de endelige binære nøkkeltall som på grunnlag av de statistiske data som ble oppnådd fra deteksjonsresultatene, best definerer vedkommende klasse. Disse klassevektorer kan også betegnes som klassekriterier, og de er av akkurat samme type som dem som leveres av linjeanalysatoren 2, altså i henhold til det ovennevnte eksempel maksimalverdi, middelverdi, varians osv. Etter at hovedprosessoren har kontrollert at det antall referansestykker som har vært innstilt av driftsenheten 6, også har vært benyttet som grunnlag for beregning av klassevektorene, overfører den sluttresultatene til sitt utgangsregister. As the operation continues in the described manner, the main processor 4 records the number of pieces that have passed the detector. When this number is equal to the number set by the operating unit 6, the main processor .4 no longer accepts data from the classification units and reckons that the group of reference pieces has wandered past the detector. On the basis of the mean value obtained from the classification units, the main processor 4 now begins to calculate the class vectors, i.e. the final binary key numbers which, on the basis of the statistical data obtained from the detection results, best define the relevant class. These class vectors can also be referred to as class criteria, and they are of exactly the same type as those delivered by the line analyzer 2, i.e. according to the above example maximum value, mean value, variance, etc. After the main processor has checked that the number of reference pieces that have been set of the operating unit 6, has also been used as a basis for calculating the class vectors, it transfers the final results to its output register.

En tilsvarende operasjon finner sted for dannelsen av klassevektorene for neste klasse på grunnlag av referansestykkene av denne klasse. Forut for behandlingen av referansestykker av en ny klasse stiller systemet seg i sin utgangstilstand, og referanse-stykke-gruppene kan plasseres suksessivt på transportveien. A corresponding operation takes place for the formation of the class vectors for the next class on the basis of the reference pieces of this class. Prior to the processing of reference pieces of a new class, the system sets itself in its initial state, and the reference piece groups can be placed successively on the transport path.

Etter at hovedprosessoren 4 har fastslått at det av driftsenheten 6 innstilte antall klasser har vært nådd under behandlingen, og det tilsvarende antall klassevektorer således har vært beregnet og overført til dens utgangsregister, blir alle klassevektorene overført til referanseminnet hos hver klassifikasjonsenhet 3. Deretter er systemet parat for den aktuelle klassifisering, dvs. After the main processor 4 has determined that the number of classes set by the operating unit 6 has been reached during processing, and the corresponding number of class vectors has thus been calculated and transferred to its output register, all the class vectors are transferred to the reference memory of each classification unit 3. The system is then ready for the relevant classification, i.e.

at opplæringsstadiet er fullført.that the training stage has been completed.

Om nødvendig kan de nøkkeltall som tilsvarer klassevektorene, også ved hjelp av driftsenheten 6 overføres direkte til referanseminnet hos klassifiseringsenhetene 3 uten bruk av referansestykker, og klassevektorene oppnås på basis av referansestykkene på den ovenfor beskrevne måte. If necessary, the key figures corresponding to the class vectors can also be transferred directly to the reference memory of the classification units 3 by means of the operating unit 6 without the use of reference pieces, and the class vectors are obtained on the basis of the reference pieces in the manner described above.

KlassifikasjonstrinnClassification step

"Klassifikasjonstrinn"-tilstanden innstilles ved hjelp av driftsenheten 6. Denne tilstand betyr at de aktuelle godsstykker som skal klassifiseres, blir kjørt forbi detektoren, samtidig som antall og fordeling av stykkene på transportveien er tilfeldig. The "classification step" state is set using the operating unit 6. This state means that the relevant pieces of goods to be classified are driven past the detector, while the number and distribution of the pieces on the transport route is random.

Den eneste betingelse er at stykkene ikke berører hverandre.The only condition is that the pieces do not touch each other.

Drift og samvirkning av behandlingsenhetene skjer på dette stadium etter akkurat samme prinsipper som under opplæringstrinnet. Den eneste unntagelse ligger i at hovedprosessoren under dette trinn ikke beregner klassevektorene, siden sammensetningen av godsstykkene nu er av tilfeldig kvalitet og de kriterier som behøves til klassifisering av dem, har vært matet inn i referanse- Operation and interaction of the treatment units takes place at this stage according to exactly the same principles as during the training stage. The only exception is that the main processor during this step does not calculate the class vectors, since the composition of the pieces of goods is now of random quality and the criteria needed to classify them have been fed into the reference

minnet hos klassifiseringsenhetene under opplæringstrinnet.the memory of the classification units during the training step.

Etter å ha lest og lagret deteksjonsresultatene fra utgangsbufferen hos buss 5 med hensyn til ett og samme stykke og etter å ha beregnet det tilsvarende binære middeltall for vedkommende stykke på grunnlag av disse resultater, er således klassifiseringsenhetene selv istand til å fastslå stykkets klasse ved å sammen-ligne middelverdien med de tilsvarende binære nøkkeltall for klassifikasjonsvektorene i referanseminnet. After reading and storing the detection results from the output buffer at bus 5 with regard to one and the same piece and after calculating the corresponding binary mean for the piece in question on the basis of these results, the classification units themselves are thus able to determine the class of the piece by combining - compare the mean value with the corresponding binary key numbers for the classification vectors in the reference memory.

Etter klassifikasjonen blir data med hensyn til klassen overført til utgangsregisteret hos klassifiseringsenheten 3 og derfra videre via bussen 5 til hovedprosessoren 4 på den måte som ble beskrevet med hensyn til opplæringstrinnet. Deretter vender klassifiseringsenheten tilbake til sin opprinnelige tilstand og innstilles i den kø som ble bestemt av hovedprosessoren som beskrevet ovenfor. After the classification, data with regard to the class is transferred to the output register of the classification unit 3 and from there on via the bus 5 to the main processor 4 in the manner described with regard to the training step. Then the classifier returns to its original state and is placed in the queue determined by the main processor as described above.

Etter å ha mottatt vedkommende data med hensyn til klasseAfter receiving the relevant data with respect to class

for et stykke fra en klassifiseringsenhet som forbigående er reservert for stykket, gir hovedprosessoren 4 en ordre for videre funksjoner. En slik funksjon kan f.eks. være fjernelse av stykket fra godsstykkenes transportvei etter at det har nådd et fastlagt punkt. for a piece from a classification unit temporarily reserved for the piece, the main processor 4 gives an order for further functions. Such a function can e.g. be the removal of the piece from the piece's transport route after it has reached a fixed point.

Prinsippene for virkemåten av klassifikasjonsanordningen ifølge oppfinnelsen har vært beskrevet ovenfor. Den faktiske fordel fremfor teknikkens kjente stadium ligger i det forhold at en særskilt klassifiseringsenhet har vært reservert for varigheten av deteksjonen for hvert kolli av godsstykker tilfeldig plassert på transportveien, og at klassifikasjonsenheten etter å The principles for the operation of the classification device according to the invention have been described above. The actual advantage over the known state of the art lies in the fact that a special classification unit has been reserved for the duration of the detection for each package of pieces of goods randomly placed on the transport route, and that the classification unit after

ha lagret klassifikasjonskriterier oppnådd ved hjelp av referanse- . stykker, selv er istand til å utføre den nødvendige klassifisering og så er fri til å utføre klassifikasjon av neste tilfeldig plasserte stykke. have stored classification criteria obtained by means of reference- . pieces, itself is able to perform the necessary classification and is then free to perform classification of the next randomly placed piece.

Hurtigheten og påliteligheten av klassifikasjonsmetoden ifølge oppfinnelsen har vært bekreftet med en prototyp. Prototypen vil bli beskrevet nedenfor under henvisning til fig. 2 og 3. The speed and reliability of the classification method according to the invention has been confirmed with a prototype. The prototype will be described below with reference to fig. 2 and 3.

Fig. 2 er et mer detaljert blokkskjerna over analysator-koblingen. Analysatoren mottar signaler 13, 14, 15 og 16 fra kameraet. Betydningen av disse signaler er vist på fig. 3. Videosignalet er det analoge signal som mottas fra detektoren, Fig. 2 is a more detailed block core of the analyzer connection. The analyzer receives signals 13, 14, 15 and 16 from the camera. The meaning of these signals is shown in fig. 3. The video signal is the analogue signal received from the detector,

og er proporsjonalt med objektets fotointensitet. "Stykke"-signalet and is proportional to the object's photointensity. The "piece" signal

bestemmer samplingsfrekvensen. "Sveip"-signalet angir når sveipet pågår, idet signalet er null mellom sveipene. "Stykke"-signalet angir når der er et stykke i bildet. Avskjæringsplanet for signalet kan innstilles på i og for seg kjent måte. determines the sampling rate. The "Sweep" signal indicates when the sweep is in progress, the signal being zero between sweeps. The "piece" signal indicates when there is a piece in the picture. The cut-off plane for the signal can be set in a manner known per se.

I blokk 7 blir videosignalet fra kameraet forsterket (20). Pulser 18 og 19 dannes ved stykkets front- og bakre margin. In block 7, the video signal from the camera is amplified (20). Pulses 18 and 19 are formed at the piece's front and rear margins.

Signal 17 er et buffret stykke-signal som kommer fra kameraet, og som sendes til klassifiseringsenhetene. Signal 17 is a buffered chunk signal that comes from the camera and is sent to the classification units.

Blokk 8 synkroniserer analysatorens kamera med ursignalet 15. Signal 22 melder til klassifiseringsenhetene når sveipet er igang. Block 8 synchronizes the analyzer's camera with clock signal 15. Signal 22 reports to the classification units when the sweep is underway.

Blokk 9 angir stillingene av stykkets front- og bakreBlock 9 indicates the positions of the piece's front and back

margin innen det avsøkte område. Disse verdier lagres i buffer-lagrene for å avvente overføringen til klassifiseringsenheten via buss 5. margin within the searched area. These values are stored in the buffer stores to await the transfer to the classification unit via bus 5.

Blokk 10 integrerer lysheten av stykket som representertBlock 10 integrates the lightness of the piece as represented

ved videosignalet 20, for dannelse av en middelverdi. Signal 17 angir integreringstiden. Det analogt dannede integral blir omformet til digital form og lagret i bufferen for å avvente over-føring til klassifiseringsenheten via buss 5. at the video signal 20, to form an average value. Signal 17 indicates the integration time. The analogically generated integral is transformed into digital form and stored in the buffer to await transmission to the classification unit via bus 5.

Blokk 11 måler maksimal verdi av videosignalet for hvert stykke og omformer det til digital form. Resultatet lagres i bufferen. Block 11 measures the maximum value of the video signal for each piece and converts it to digital form. The result is stored in the buffer.

Den eksisterende prototyp har de nøkkeltallblokker som er oppregnet ovenfor (blokk 9-12). Som det fremgår av fig. 2, kan andre nøkkeltallblokker som eventuelt er av interesse for analysen, tilføyes analysatoren. The existing prototype has the key figure blocks listed above (blocks 9-12). As can be seen from fig. 2, other key figure blocks that may be of interest for the analysis can be added to the analyzer.

Når nøkkeltallet for hver blokk er parat i bufferen, sender blokken "data parat"-signalet til styrelogikken 27 (i form av signaler 23-26). Når styrelogikken har mottatt "data parat"-signalene fra alle blokkene, frembringer den styrepulser 28 for overføringen av vedkommende data til klassifiseringsenhetene og åpner hver utgangsbuffer skiftevis til databussen 5. When the key number for each block is ready in the buffer, the block sends the "data ready" signal to the control logic 27 (in the form of signals 23-26). When the control logic has received the "data ready" signals from all the blocks, it generates control pulses 28 for the transfer of the relevant data to the classification units and opens each output buffer alternately to the data bus 5.

Ved praktiske forsøk har en roterende valse vært benyttet som transportvei for godsstykkene. Antall omdreininger av valsen kan innstilles trinnløst mellom omkretshastigheter på 0 og 5 m/s. Valsens diameter er 850 mm og dens lengde 1200 mm. In practical trials, a rotating roller has been used as a transport route for the pieces of goods. The number of revolutions of the roller can be infinitely adjusted between circumferential speeds of 0 and 5 m/s. The roller's diameter is 850 mm and its length 1200 mm.

Prøvestykkene som skal detekteres, festes i vilkårlige punkter på valsens sortmalte overflate. The test pieces to be detected are fixed at arbitrary points on the roller's black-painted surface.

Da behovet for klassifiseringsanordningen først og fremst har vært basert på klassifisering av knust kalksten, har prototyp systemet i første trinn vært utrustet for å bevirke en klassifisering på grunnlag av mørkhet/lyshet-forskjell mellom godsstykker. På dette trinn er den benyttede detektor et fotodiode-kamera Reticon LC 100 som sitter i en avstand av ca. 2 m fra valsen og, plassert på dens midtlinje (= transportveien), detekterer prøvestykkene som er festet til den passende belyste overflate av valsen. Kameraets sveipetid, altså As the need for the classification device has primarily been based on the classification of crushed limestone, the prototype system in the first stage has been equipped to effect a classification on the basis of the darkness/lightness difference between pieces of goods. At this stage, the detector used is a photodiode camera Reticon LC 100 which sits at a distance of approx. 2 m from the roller and, placed on its center line (= transport path), detects the test pieces attached to the suitably illuminated surface of the roller. The camera's sweep time, that is

linjens lengde målt i tid, og returtid kan innstilles særskilt. Minimalverdien for de to tidsrom tilsammen er omtrent 1 ms. the length of the line measured in time, and the return time can be set separately. The minimum value for the two time slots together is approximately 1 ms.

Antall nøkkeltall som dannes ved hjelp av linjeanalysatoren, er N = 5, og disse nøkkeltall angir for hvert prøvestykke i linjen fotointensiteten av dets overflate i forhold til den sorte bakgrunn på valsen. I prototypsystemet blir således den lys-intensitet som opptrer i kameraets deteksjonsområde, avfølt, The number of key numbers generated by the line analyzer is N = 5, and these key numbers indicate for each sample piece in the line the photointensity of its surface in relation to the black background on the roll. In the prototype system, the light intensity that appears in the camera's detection area is thus sensed,

idet den respektive intensitet av bakgrunnen tjener som referanse. Kameraet frembringer elektriske signaler. I linjeanalysatoren blir signalene omformet til de nevnte binære nøkkeltall som angir som deteksjonsresultater stillingen av frontmarginen, stillingen av bakre margin, intensitetens maksimalverdi, gjennomsnittlig intensitet og variansen i intensitet for hvert prøvestykke. Disse nøkkeltall dannes etterhvert som de ankommer fra kameraet under sveipet,'altså under sann tid. with the respective intensity of the background serving as a reference. The camera produces electrical signals. In the line analyser, the signals are transformed into the aforementioned binary key numbers which indicate as detection results the position of the front margin, the position of the rear margin, the maximum value of the intensity, the average intensity and the variance in intensity for each sample. These key figures are formed as they arrive from the camera during the sweep, i.e. in real time.

Der finnes tre klassifiseringsenheter som hver kan programmeres for å sondre mellom to klasser. There are three classification units, each of which can be programmed to distinguish between two classes.

Da prototypen nylig er blitt ferdig, har der ennu ikke vært tilstrekkelig tid til å bruke den til systematiske forsøk for å forelegge kvantitative resultater med hensyn til hurtighet og effektivitet. Imidlertid er der nedenfor angitt noen få kvalitative eksempler på resultater som hittil har vært oppnådd. As the prototype has only recently been completed, there has not yet been sufficient time to use it for systematic trials to submit quantitative results with regard to speed and efficiency. However, a few qualitative examples of results that have been achieved so far are indicated below.

Eksempel 1Example 1

Kapasiteten av prototypanlegget for dannelse av klassekriterier for de to klasser det ble benyttet for i det i visuell henseende klareste tilfelle, ble testet under anvendelse av hvit kalksten og betraktelig mørkere avfallssten. Alle stenstykkene ble valgt tilfeldig fra de siloer de var overført til, på grunnlag av en sortering utført manuelt og visuelt. Anlegget ble kjørt to ganger, den ene gang med bare kalksten og den annen gang med bare stenvrak, mens det befant seg i opplæringstilstanden. The capacity of the prototype plant to form class criteria for the two classes it was used for in the visually clearest case was tested using white limestone and considerably darker waste stone. All the stone pieces were selected at random from the silos they had been transferred to, based on a manual and visual sorting. The plant was run twice, once with only limestone and the second time with only rubble, while in the training condition.

Ved hver kjøring ble stykkene av en stencharge passende for antall klassifiseringsenheter, anbragt i vilkårlige stillinger på valsen. Valsen ble elluminert med to halogenlamper. At each run, the pieces of a stone charge appropriate for the number of classification units were placed in arbitrary positions on the roller. The roller was illuminated with two halogen lamps.

Det ble funnet at klassekriteriene for hver stentype hadde passert referanseminnet hos hver klassifiseringsenhet under en syklus, dvs. i løpet av den tid hvorunder stenchargene hadde passert detektoren fullstendig, altså i sann tid. It was found that the class criteria for each stone type had passed the reference memory of each classification unit during one cycle, i.e. during the time during which the stone charges had passed the detector completely, i.e. in real time.

Det ble også iakttatt at gjennomsnittet av intensitet av det reflekterte lys i dette klare tilfelle var tilstrekkelig alene for dannelsen av de ønskede klassekriterier, dvs. at gjennomsnittet i og for seg ga samme nøyaktighet av identifi-seringen som visuelt gjennomført klassifisering. Imidlertid ga variasjonen i maksimal- og varians-verdier grunn til å anta at mekanisk gjennomført klassifisering vil føre til at klassifiseringen blir mer nøyaktig. It was also observed that the average intensity of the reflected light in this clear case was sufficient alone for the formation of the desired class criteria, i.e. that the average in and of itself gave the same accuracy of identification as visually carried out classification. However, the variation in maximum and variance values gave reason to assume that mechanically carried out classification will lead to more accurate classification.

Eksempel 2Example 2

De klassekriterier ' som ble dannet i samsvar med Eksempel 1, ble beholdt i referanseminnet hos klassifiseringsenhetene og ny charge av sten, tatt tilfeldig fra de samme siloer, ble anbragt på valsen. Denne gang ble kalksten og avfallssten kjørt samtidig i løpet av samme tid, idet systemet var i klassifiserings-tilstanden. The class criteria formed in accordance with Example 1 were retained in the reference memory of the classification units and a new charge of stone, taken at random from the same silos, was placed on the roller. This time, limestone and waste stone were run simultaneously during the same time, as the system was in the classification state.

Det ble iakttatt at klassifiseringen foregikk i løpet av sann tid, og at kvaliteten av de aksepterte stykker eller sten, altså kalksten, ble mer jevn enn den mån fikk ved håndplukking. Antall vraket sten var med andre ord høyere relativt sett. Det ble også iakttatt at gjennomsnittet alene.var nok til å gi dette resultat. It was observed that the classification took place in real time, and that the quality of the accepted pieces or stone, i.e. limestone, was more uniform than that obtained by hand-picking. In other words, the number of broken stones was relatively higher. It was also observed that the average alone was enough to give this result.

Eksempel 3Example 3

For å.kontrollere anleggets kapasitet i et annet ekstremt tilfelle, nemlig et system hvor alle stykkene er "hvite", men av forskjellig anvendelig kvalitet, ble der kjørt to ganger i samsvar med Eksempel 1, den ene gang med ren kalksten og den annen gang med ren wollanstonitt. Begge stensorter er "hvite" og ikke lette å sondre for et uvant øye. In order to check the capacity of the plant in another extreme case, namely a system where all the pieces are "white", but of different usable quality, two runs were run in accordance with Example 1, once with pure limestone and the second time with pure wollanstonite. Both types of stone are "white" and not easy to distinguish for an untrained eye.

Det ble funnet at klassekriteriene var passert i samsvar med Eksempel 1. Det ble også iakttatt at gjennomsnittet for seg alene ikke var tilstrekkelig for bestemmelsen av ønsket klasse. It was found that the class criteria had been passed in accordance with Example 1. It was also observed that the average alone was not sufficient for the determination of the desired class.

Eksempel 4Example 4

De klassekriterier som ble dannet i samsvar med Eksempel 1, ble beholdt i klassifiseringsenhetenes referanseminne, og en ny charge av kalksten og wollanstonitt ble kjørt samtidig i samsvar med Eksempel 2. The class criteria formed in accordance with Example 1 were retained in the classification unit's reference memory, and a new charge of limestone and wollanstonite was run simultaneously in accordance with Example 2.

Det ble funnet at den mekaniske klassifisering ga mer jevn kvalitet enn visuell klassifisering av samme charge. Det ble også iakttatt at varians-verdiene var av avgjørende betydning ved klassifiseringen av stenen når det gjaldt å konsentrere de ønskede brukbare egenskaper. It was found that the mechanical classification gave more consistent quality than visual classification of the same charge. It was also observed that the variance values were of decisive importance in the classification of the stone when it came to concentrating the desired usable properties.

Claims

1. Method for, on the basis of a physical property, to identify and classify randomly distributed pieces of goods in a state of translational movement, where the transport path of the pieces of goods is observed with a detector that scans the road across and is suitable for the physical property in question, and which delivers an electrical signal analogously to the observed physical property in each position of the scan line, as determined by the detector's resolution, characterized in that the said electrical signals are continuously processed in real time and converted into binary key number groups belonging to each piece in the detector's scan line, that the key number groups during the passage of the pieces are processed repeatedly in a classification unit reserved for each piece for the duration of the passage, for carrying out the classification on the basis of the key number group, and that after the completion of the passage of the piece, the classification is released for carrying out the classification of a new piece that has arrived in it ector's scan line at a random place on it.

2. Method as stated in claim 1, characterized in that the analog electrical signals from the detector are transformed into binary key number groups that describe each piece in the detector's scanning line, where the key numbers, in total N = 1 when the characteristics of the pieces to be identified, is of a varying nature, represents marginal positions, maximum intensity, average value, variance value or other suitable value that characterizes a physical property of the piece in the line.

3. Procedure as stated in claim 1 or 2, characterized in that the key figures, after being formed, are immediately transferred to the classification unit reserved for the piece in question for the duration of its passage.

4. Method as stated in claim 1, 2 or 3, characterized in that it is self-learning, i.e. that a set of reference pieces known in advance is run in front of the detector and the classification criteria according to which the classification is to take place, calculated with the help of a main processor on basis of the thus obtained data on the characteristics of the reference pieces and the aforementioned classification criteria, are transferred to the memory of each classification unit.

5. Device for carrying out a method as specified in one of the claims 1-4, including a detector (1) which scans the transport path of the goods and is suitable for the physical property that has been chosen as the basis for the classification, as well as producing an electrical signal corresponding to the observed physical quantity, an analyzer (2) which converts the signal into a suitable binary form, and a main processor (4) which receives the processed signals and performs the separation on the basis of them, characterized in that the analyzer (2) is arranged on the basis of of the signal from the detector continuously and in real time to form a binary number group for each piece in the scanning line, that the device further comprises a plurality of classification units (3) each of which includes a microprocessor, and each of which processes key number groups belonging to a certain piece, under its passage to perform the classification on the basis of the key figure group, that the main processor (4) is arranged to receive data from the different classification units (3) and to control the units in such a way that each unit is freed for the classification of a piece randomly located in the transport path, immediately after carrying out the classification of the preceding piece.

6. Device as stated in claim 5, characterized in that the analyzer (2) is arranged to form for each piece a key figure group comprising N key figures which are representative of selected characteristics of the piece, such as e.g. marginal positions or its maximum, mean, variance or other corresponding values of the intensity of the measured physical property.